数字图书馆个性化推荐系统研究

互联网技术的迅猛发展使数字图书馆成为现代图书馆建设的一个重要维度,为读者提供更加优质的信息加工和组织服务方式成为数字图书馆发展的重要方向,基于读者兴趣和使用习惯的个性化推荐系统应运而生。数字图书馆个性化推荐服务主要包括个性化定制服务、个性化推送服务和数据挖掘及决策服务。数字图书馆个性化服务需要通过相应的系统来实现,该系统一般包括用户行为数据收集模块、用户兴趣偏好数据分析模块和算法实现及推荐模型模块。现代智能搜索技术、数据挖掘技术和信息推送技术为数字图书馆个性化推荐系统的实现提供了技术保证。     

基于个性化推荐的农民培训系统的研究与设计

在当今互联网高速发展的时代,人们越来越习惯从网上获取信息和在网上进行学习。为了更好地提供学习服务,各行业的培训学习系统大量出现。本文在介绍个性化推荐内容的基础上,旨在利用WEB技术创建一个友好的农民培训系统,为农民利用现代远程教育的手段学习新知识和新技术提供帮助。     

移动环境下个性化新闻推荐系统研究

网络上时刻都有大量新闻不断涌现,为帮助手机用户在海量信息中快速准确获得感兴趣内容,文章提出一种移动环境下个性化新闻推荐系统并设计了系统构成,系统采用影响用户阅读选择的相关因素构建特征,并基于XGBoost算法构建个性化推荐模型。以期为后续研究提供借鉴或参考。     

基于数据挖掘的个性化旅游推荐系统研究与实现

为应对大数据时代大量多媒体照片、视频等为个性化旅游推荐带来的挑战,提出了基于数据挖掘的上下文感知个性化旅游推荐系统,该结构能根据用户给定的地理标记照片集合,定位和总结旅游地点,并建立每个用户的旅游历史,以获得其旅游偏好,从而进行上下文感知的个性化查询,推荐最适合其兴趣的旅游地点.通过仿真分析,将该方法与传统数据挖掘Ap...     

基于B2C电子商务网站的个性化商品推荐系统研究

本文在分析当前B2C电子商务和用户购物特点的基础上,从个性化商品推荐的作用、概念、推荐系统分类,以及多种推荐系统优缺点对比展开叙述,从而系统地介绍了个性化推荐系统在B2C电子商务网站中的应用。     

基于LBS的O2O电子商务个性化推荐方法研究

随着O2O电子商务规模的不断扩大,O2O电子商务个性化推荐方法也成为研究热点。基于位置的服务(LBS)是O2O区别于传统电子商务的一个重要特点,因此在O2O电子商务个性化推荐中引入位置信息显得尤为重要。本文分析已有的电子商务个性化推荐技术,提出一种基于LBS的O2O电子商务个性化推荐系统架构,并在此基础上提出了一种基于LBS的O2O电子商务个性化推荐的方法和思路,以期提高O2O电子商务中个性化推荐的效率。     

智能推荐系统在个性化数据挖掘中的应用研究

现今家庭数字化已经是大势所趋,网络信息技术也已然融入到了我国的千家万户中,进而推进大数据时代的到来。在当今时代背景下,如何在海量的信息中为用户筛选出具有个性化、智能化的数据不仅是当前推荐系统所要攻克的重要难题,实质也是其发展机遇。智能推荐系统兴起不久,乃是一项新兴科技,该类系统能够智能化地分析用户的个人信息、行为偏好与社会关系等因素,并有效为用户推荐出合适的数据。鉴于此,本文将基于协同信息筛选技术,并结合个性化数据挖掘技术,构建研究一个智能推荐系统,相信对于智能推荐系统的进一步普及与发展具有一定积极作用。     

个性化新书推荐系统的设计与实现

以读者的借阅记录数据为基础,运用SPSS数据挖掘工具进行聚类分析,挖掘出与读者专业相关的图书类别。通过设计个性化新书推荐系统,将读者的个性化专业图书与入馆新书进行关联与匹配,生成个性化的新书书目,以邮件方式推荐给读者。     

个性化推荐技术在学科服务中的应用研究

简要介绍了个性化推荐技术的概念及基本功能,从4个不同方面探讨了个性化推荐技术在学科服务中的应用,举例阐述一个基于个性化推荐技术的网络数据库培训推荐服务的应用,表明个性化推荐技术在学科服务中具有重要的应用价值。     

个性化推荐攻击检测模型研究

协同过滤是最核心、最典型的个性化推荐技术,广泛应用于电子商务,但其推荐结果对用户偏好信息的敏感性使得推荐系统易受到人为攻击,电子商务推荐安全成为个性化推荐能否成功应用的关键。作者先简要介绍了个性化推荐及推荐攻击的基本概念;而后分析比较了各种攻击检测模型。     

个性化推荐与Web预取技术对比

随着Internet基础结构的不断扩大和其所含信息的持续增长,准确预测Web用户的访问行为并且进行合理推荐对于一个网站来说极其重要,而提高用户访问效率、减小用户感知延时的主要方法有页面预取技术和Web个性化推荐技术等.系统地比较了个性化推荐技术与预取技术的功能和特点,深入分析了二者在提高网络服务质量和用户访问效率方面的关键技术.     

信息推荐技术与农资网站个性化推荐技术综述

首先分析了个性化推荐技术在国内外的发展历程和研究应用现状,然后对常用的个性化推荐技术进行了归纳总结,最后根据农资信息网的特点,分析了农资信息服务网中的个性化推荐模型及其优缺点。     

基于深度神经网络的 SSR 分子标记对茶叶产地的溯源研究

【目的】对不同品种的茶叶进行区分和产地溯源,同时为其他植物分类提供参考依据。【方法】以简单重复序列标记（Simple sequence repeat,SSR）为基础,运用生物信息学的研究方法,对来自湖南、云南、福建和浙江省的 313 个茶叶样本的来源属地及 10 个外类群关系进行研究：首先,筛选出高质量的 54 个 SSR 位点,通过主成分分析（Principal compon ent analysis,PCA）,构建进化树,分析各省间茶叶样本的差异度;其次,通过比较线性回归模型、随机森林模型和深度神经网络（Deep neural network,DNN）模型的分类准确度,选择准确度最高的神经网络模型进行溯源模型构建及优化。【结果】4 个省的茶叶样本个体相对聚集,其中云南省的样本个体较其他省份差异大;福建、浙江、湖南的样本分别聚集,表明福建、浙江、湖南三省间茶叶差异显著,但有少量交叉,具有一定的相似遗传结构特性,亲缘关系较近。利用 3 种不同的模型对 54 个 SSR 分子标记矩阵构建模型,初步鉴定出线性回归模型准确率为 81%,随机森林模型准确率为 77%,而 DNN 模型准确率最高、为86%,由此可得出 DNN 模型对茶叶的分类效果最好。随后利用 54 个 SSR 分子标记和 323 个样本构建预测模型,并对一次训练的样本个数（Batch size)、训练的次数（Step size)、隐藏层层数及每层节点数进行优化,发现这 4 个参数的优化结果当样本个数为 150、训练次数为 20 000、隐藏层层数为 2 层时验证集和测试集的准确率最高、约 95%,即 2 层神经网络对茶叶分析效果最佳。【结论】基于深度神经网络的 SSR 分子标记为茶叶分类、产地溯源研究和茶叶育种等方面提供支持依据,构建的分类模型也可用于其他物种重测序数据的属地来源鉴定。     

高校新读者图书个性化推荐服务研究

[目的/意义]针对阻碍高校智慧图书馆对新读者进行图书个性化推荐的用户冷启动问题,提出一种面向新读者的高校图书馆个性化推荐方法,为智慧型高校图书馆开展图书个性化推荐服务、提高新读者借阅率提供切实可行的方案。[方法/过程]以北华大学图书馆借阅流通大数据进行数据挖掘,得出属性相似的新读者和已有读者具有相似借阅偏好的结论。然后,通过奇异值分解解决数据稀疏问题,采用基于欧氏距离的蚁群算法对新读者与已有读者聚类,搭建了新读者和已有读者之间关系的桥梁。最后将已有读者借阅的图书采取Top-N算法对新读者推荐。[结果/结论]以2017级读者为实验对象,选取了3个学院的44名读者,用所提出的算法进行了实验检验。实验结果表明新算法推荐效果显著,操作简单可行,为后续个性化推荐工作奠定了基础。     

基于自编码神经网络建立的搜索信息模型

根据用户搜索历史,将用户关注的信息按标题分类,通过自编码神经网络提取特征值。设定学习样本标题最多为25个汉字,编码方式采用汉字机内码(GBK码)。使用MATLAB工具进行深度学习,将样本在原空间的特征表示变换到一个新的特征空间。     

网络信息资源的个性化服务研究

评述了目前网络信息服务的现状,提出了个性化服务是解决问题的有效途径。论述了个性化服务的内涵,探讨了实现网络信息资源个性化服务系统的结构并指出实施过程中应用到的基础性技术